Résumé - Vers une évaluation de la durabilité autonome par l'intermédiaire d'agents IA plurimodaux

Vers une évaluation de la durabilité autonome par l'intermédiaire d'agents IA plurimodaux

2025-07-22 20:49:25

{"Zhihan Zhang","Alexander Metzger","Yuxuan Mei","Felix Hähnlein","Zachary Englhardt","Tingyu Cheng","Gregory D. Abowd","Shwetak Patel","Adriana Schulz","Vikram Iyer"}

{cs.AI,cs.CE}

L'article présente une approche révolutionnaire basée sur l'intelligence artificielle pour automatiser et améliorer le processus d'évaluation de la durabilité, en se concentrant en particulier sur l'évaluation du cycle de vie (ECV) des appareils électroniques. **Contributions clés de la recherche** : * **Système multi-agents pour l'ECV** : Le système utilise des agents d'intelligence artificielle qui imitent le processus manuel des experts en ECV, collaborant pour générer des inventaires de cycle de vie (ICV) et estimer les impacts environnementaux (IE). Cela réduit considérablement le temps nécessaire pour l'ECV, de semaines ou de mois à moins d'une minute, tout en maintenant une précision comprise entre 19% et les ECV des experts. * **Récupération d'information multimodale** : Le système utilise des outils de récupération d'information multimodale pour extraire des données de diverses sources, y compris les communautés de réparation en ligne et les certifications gouvernementales. Cela permet d'accéder à des informations jusqu'alors inaccessibles et de combler les lacunes de données dans l'ECV. * **Estimateur gaussien pondéré kNN** : Cette méthode permet d'estimer directement les IE en fonction de groupes de produits similaires, éliminant le besoin de construction détaillée de l'ICV et de la cartographie des facteurs d'émission pour certaines catégories de produits. * **Estimation des facteurs d'émission basée sur les données** : Le système utilise une méthode basée sur les données pour estimer les facteurs d'émission inconnus, améliorant les calculs conventionnels de l'analyse comparative d'impact environnemental (ACIE). Cette approche atteint une amélioration de 120,26% de l'erreur absolue moyenne en pourcentage (MAPE) par rapport aux experts humains. **Composants clés du système** : * **Génération de l'ICV** : Les agents d'intelligence artificielle collaborent pour générer des ICV en identifiant les composants, les processus et l'énergie utilisés tout au long du cycle de vie du produit. Cela implique de rechercher des sources de données publiques et d'utiliser des outils visuels pour extraire des informations des images. * **Estimation des IE** : Le système utilise diverses méthodes pour l'estimation des IE, y compris l'estimateur gaussien pondéré kNN et l'estimation des facteurs d'émission basée sur les données. * **Échelle d'agents** : Le système explore l'échelle des performances en étendant le comportement de raisonnement à l'instant d'inférence, optimisant à la fois l'exactitude et le temps de calcul. **Implications pour les flux de travail de l'ECV** : * **Réduction du temps et des coûts** : Le processus d'ECV automatisé économise du temps et réduit les coûts associés à la collecte et à l'analyse des données. * **Amélioration de l'exactitude et de la cohérence** : Le système atteint une haute exactitude et cohérence dans l'estimation des IE, conduisant à des évaluations de durabilité plus fiables. * **Amélioration de l'accès aux données** : L'utilisation des outils de récupération d'information multimodale permet d'accéder à des données jusqu'alors inaccessibles, élargissant la portée et la profondeur de l'ECV. * **Empowerment des praticiens** : Le système habilite les praticiens de l'ECV en leur fournissant des outils et des ressources pour évaluer efficacement et efficacement la durabilité des produits. **Dans l'ensemble, cette recherche présente une approche prometteuse pour automatiser et améliorer le processus d'évaluation de la durabilité, en particulier pour des produits complexes comme les appareils électroniques. Le système proposé basé sur l'intelligence artificielle a le potentiel de révolutionner le domaine de l'ECV et de contribuer à un avenir plus durable**.